239 Sliding Window Maximum

1 题目

Given an array nums, there is a sliding window of size k which is moving from the very left of the array to the very right. You can only see the k numbers in the window. Each time the sliding window moves right by one position. Return the max sliding window.

Example:

Input: nums = [1,3,-1,-3,5,3,6,7], and k = 3
Output: [3,3,5,5,6,7] 
Explanation: 

Window position                Max
---------------               -----
[1  3  -1] -3  5  3  6  7       3
 1 [3  -1  -3] 5  3  6  7       3
 1  3 [-1  -3  5] 3  6  7       5
 1  3  -1 [-3  5  3] 6  7       5
 1  3  -1  -3 [5  3  6] 7       6
 1  3  -1  -3  5 [3  6  7]      7

2 尝试解

2.1 分析

给定一个数组A,以及一个大小为K的滑窗,求所有滑窗内最大值组成的数组。

可以滑动滑窗,每次取其中的最大值,这样复杂度为O(KN)。考虑使用一个堆,存储每个元素的值及索引。每次滑窗向右移动一步,弹出堆顶元素,如果超出滑窗范围,继续弹出,直到找到滑窗范围内的最大元素,这样复杂度为O(NlgN),因为过期元素可能因为值过小处于堆底而无法删除。

考虑一个链表saver用来存储当前滑窗内的元素索引,元素依照顺序加入其中。当滑窗移动到位置i时

if(i-saver.front() >= k)   i.pop_front() 即删除过期元素

while(A[saver.back()] < A[i]) saver.pop_back()  即如果元素i比前一个被存储的元素back要大,那么只要i和back同时在滑窗内,最大元素就不可能是back,所以当i加入滑窗时,可以删去back,更新back,直到back比i大或者saver为空。这就决定了saver是单调递减的,最大元素就是saver.front()。

2.2 代码

class Solution {
public:
    vector<int> maxSlidingWindow(vector<int>& nums, int k) {
        list<int> saver;
        vector<int> result;
        for(int i = 0; i < nums.size();i++){
            if(!saver.empty()){
                if(i-saver.front()>=k){
                    saver.pop_front();
                }
                while(saver.size() && nums[i]>nums[saver.back()]){
                    saver.pop_back();
                }         
            }
            saver.push_back(i);
            if(i >= k-1)
                result.push_back(nums[saver.front()]);
        }
        return result;
    }
};

3 标准解

class Solution {
public:
    vector<int> maxSlidingWindow(vector<int>& nums, int k) {
        deque<int> dq;
        vector<int> ans;
        for (int i=0; i<nums.size(); i++) {
            if (!dq.empty() && dq.front() == i-k) dq.pop_front();
            while (!dq.empty() && nums[dq.back()] < nums[i])
                dq.pop_back();
            dq.push_back(i);
            if (i>=k-1) ans.push_back(nums[dq.front()]);
        }
        return ans;
    }
};

 

内容概要:本文档主要介绍了Intel Edge Peak (EP) 解决方案,涵盖从零到边缘高峰的软件配置和服务管理。EP解决方案旨在简化客户的入门门槛,提供一系列工具和服务,包括Edge Software Provisioner (ESP),用于构建和缓存操作系统镜像和软件栈;Device Management System (DMS),用于远程集群或本地集群管理;以及Autonomous Clustering for the Edge (ACE),用于自动化边缘集群的创建和管理。文档详细描述了从软件发布、设备制造、运输、安装到最终设备激活的全过程,并强调了在不同应用场景(如公共设施、工业厂房、海上油井和移动医院)下的具体部署步骤和技术细节。此外,文档还探讨了安全设备注册(FDO)、集群管理、密钥轮换和备份等关键操作。 适合人群:具备一定IT基础设施和边缘计算基础知识的技术人员,特别是负责边缘设备部署和管理的系统集成商和运维人员。 使用场景及目标:①帮助系统集成商和客户简化边缘设备的初始配置和后续管理;②确保设备在不同网络环境下的安全启动和注册;③支持大规模边缘设备的自动化集群管理和应用程序编排;④提供详细的密钥管理和集群维护指南,确保系统的长期稳定运行。 其他说明:本文档是详细描述了Edge Peak技术及其应用案例。文档不仅提供了技术实现的指导,还涵盖了策略配置、安全性和扩展性的考虑,帮助用户全面理解和实施Intel的边缘计算解决方案。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值